vision-language-models 태그 문서 225개 | 우성짱의 문서

우성짱의 문서

Tag225건YouTube 9Article 216

#vision-language-models

이 태그와 연결된 문서를 한곳에서 모아보고, 함께 자주 등장하는 연관 태그까지 이어서 탐색할 수 있습니다.

연관 태그

#multimodal공동문서 219 · 연관도 95%#llm공동문서 167 · 연관도 29%#ai-architecture공동문서 85 · 연관도 23%#agent-routing공동문서 74 · 연관도 21%#semiconductors공동문서 105 · 연관도 19%#agent-memory공동문서 65 · 연관도 18%#workflow-automation공동문서 24 · 연관도 13%#nvidia공동문서 48 · 연관도 12%#capex-cycle공동문서 31 · 연관도 12%#service-design공동문서 36 · 연관도 12%

문서 목록

총 225건 중 169-192건

Introducing GPT-5

Article2025년 8월 7일·👁️ 4

Introducing GPT-5

GPT‑5는 빠른 응답과 심층 추론을 실시간으로 조합해 코딩·수학·글쓰기·건강·멀티모달 과제의 성능을 높이고, 환각과 과도한 확신을 줄인 OpenAI의 통합형 AI 시스템이다.

#openai #privacy-design #multimodal #ai-safety

Introducing gpt-oss

Article2025년 8월 5일·👁️ 4

Introducing gpt-oss

오픈AI는 높은 추론·도구 사용 성능과 효율적인 로컬 실행을 결합한 아파치 2.0 기반 오픈 웨이트 모델 gpt oss 120b와 gpt oss 20b를 공개했다.

#ai-architecture #multimodal #agent-memory #agent-routing

SensorLM: Learning the language of wearable sensors

Article2025년 7월 28일·👁️ 3

SensorLM: Learning the language of wearable sensors

센서엘엠은 5,970만 시간의 웨어러블 센서 데이터와 자동 생성 설명문을 학습해 신체 신호를 자연어로 해석하고 검색·분류·설명하는 센서 언어 기반 모델군이다.

research.google

#ai-architecture #multimodal #llm #semiconductors

Model ML is helping financial firms rebuild with AI from the ground up

Article2025년 7월 23일·👁️ 2

Model ML is helping financial firms rebuild with AI from the ground up

Model ML은 금융 업무에 특화된 AI 에이전트와 애플리케이션으로 리서치, 분석, 발표자료 작성 같은 복잡한 워크플로를 자동화하며 금융사의 운영 구조 자체를 AI 중심으로 재편하고 있다.

#service-design #ai-architecture #multimodal #agent-routing

TimeScope: How Long Can Your Video Large Multimodal Model Go?

Article2025년 7월 23일·👁️ 2

TimeScope: How Long Can Your Video Large Multimodal Model Go?

TimeScope는 1분부터 8시간까지의 영상에 짧은 동영상 클립을 삽입해 검색·정보 종합·세밀한 시간 지각 능력을 측정하며, 최신 비전 언어 모델의 장시간 영상 이해가 아직 제한적임을 보여주는 오픈소스 벤치마크다.

#multimodal #llm #semiconductors #vision-language-models

The AI tools for Art Newsletter - Issue 1

Article2025년 7월 16일·👁️ 5

The AI tools for Art Newsletter - Issue 1

2024년 창작 AI는 오픈소스 이미지 생성의 구조적 도약과 개인화 기술의 대중화를 이뤘으며, 2025년에는 비디오·오디오·3D 등 더 다양한 형식으로 발전의 중심이 이동하고 있다.

#ai-architecture #multimodal #agent-memory #agent-routing

Efficient MultiModal Data Pipeline

Article2025년 7월 14일·👁️ 2

Efficient MultiModal Data Pipeline

멀티모달 학습의 GPU 유휴 시간과 과도한 패딩을 줄이기 위해, 데이터셋 분석부터 토큰·이미지 제약을 함께 고려하는 균형 잡힌 배낭식 배치 구성까지 단계적으로 개선한 사례다.

#multimodal #agent-routing #ai-infrastructure #capex-cycle

Building the Hugging Face MCP Server

Article2025년 7월 10일·👁️ 2

Building the Hugging Face MCP Server

허깅페이스는 사용자가 도구와 Gradio 애플리케이션을 맞춤 구성할 수 있는 공식 MCP 서버를 구축하면서, 변화가 빠른 MCP 전송 규격 가운데 상태 비저장·직접 응답 방식의 Streamable HTTP를 운영 환경에 선택한 이유와 실제 배포 경험을 설명한다.

#multimodal #agent-deployment #llm #semiconductors

Reachy Mini - The Open-Source Robot for Today's and Tomorrow's AI Builders

Article2025년 7월 9일·👁️ 3

Reachy Mini - The Open-Source Robot for Today's and Tomorrow's AI Builders

Reachy Mini는 Pollen Robotics와 Hugging Face가 공개한 데스크톱 크기의 오픈소스 로봇으로, 인간 로봇 상호작용과 AI 실험을 Python 기반으로 쉽게 시도하도록 설계된 제품입니다.

#privacy-design #multimodal #llm #semiconductors

Training and Finetuning Reranker Models with Sentence Transformers

Article2025년 7월 5일·👁️ 3

Training and Finetuning Reranker Models with Sentence Transformers

이 글은 Sentence Transformers로 reranker 또는 Cross Encoder 모델을 도메인 데이터에 맞게 학습·파인튜닝하는 구성요소, 데이터 형식, hard negative mining의 중요성을 설명하고, 저자가 학습한 ModernBERT 기반 reranker가 자신의 평가 데이터에서 기존 공개 모델들을 앞섰다고 소개한다.

#multimodal #capex-cycle #llm #vision-language-models

Genspark ships no-code personal agents with GPT-4.1 and OpenAI Realtime API

Article2025년 7월 1일·👁️ 5

Genspark ships no-code personal agents with GPT-4.1 and OpenAI Realtime API

Genspark는 검색 중심 제품에서 벗어나 OpenAI 멀티모달 모델과 Realtime API를 기반으로 텍스트·이미지·음성 작업을 자동화하는 노코드 개인 에이전트 Super Agent를 출시했고, 출시 45일 만에 ARR 3,600만 달러에 도달했다.

#genspark #super-agent #gpt-4-1 #openai-realtime-api

Exploring Quantization Backends in Diffusers

Article2025년 6월 27일·👁️ 4

Exploring Quantization Backends in Diffusers

Diffusers는 Flux의 핵심 구성 요소를 여러 백엔드로 양자화해 이미지 품질을 크게 훼손하지 않으면서 메모리 사용량을 줄일 수 있으며, 정밀도와 백엔드에 따라 속도·메모리·사용 편의성의 차이가 뚜렷하다.

#ai-architecture #multimodal #agent-memory #context-compression

Transformers backend integration in SGLang

Article2025년 6월 23일·👁️ 3

Transformers backend integration in SGLang

SGLang은 트랜스포머스 호환 모델을 자동 대체 백엔드로 실행해 폭넓은 모델 접근성과 고성능 추론·배포 기능을 결합합니다.

#multimodal #agent-memory #context-compression #retrieval-index

Holo1: New family of GUI automation VLMs powering GUI agent Surfer-H

Article2025년 6월 9일·👁️ 1

Holo1: New family of GUI automation VLMs powering GUI agent Surfer-H

H Company는 웹 UI를 이해하고 클릭 위치를 정밀하게 찾는 오픈소스 액션 비전 언어 모델 Holo1과 1,639개 UI 과제로 구성된 WebClick 벤치마크를 공개했으며, 이를 기반으로 브라우저 자동화 에이전트 Surfer H를 구동한다고 밝혔다.

#ai-architecture #multimodal #workflow-automation #llm

KV Cache from scratch in nanoVLM

Article2025년 6월 4일·👁️ 4

KV Cache from scratch in nanoVLM

나노브이엘엠에 계층별 키·값 캐시와 사전 채움·순차 해독 구조를 직접 구현해, 자기회귀 생성의 중복 계산을 줄이고 생성 속도를 38% 높인 과정과 원리를 설명한다.

#ai-architecture #multimodal #agent-memory #retrieval-index

Introducing AutoRound: Intel’s Advanced Quantization for LLMs and VLMs

Article2025년 5월 27일·👁️ 4

Introducing AutoRound: Intel’s Advanced Quantization for LLMs and VLMs

AutoRound는 가중치 반올림과 클리핑 범위를 함께 최적화해 낮은 비트에서도 정확도를 유지하면서 빠른 양자화와 폭넓은 모델·장치·출력 형식 호환성을 제공하는 인텔의 가중치 전용 학습 후 양자화 도구다.

#multimodal #agent-deployment #ai-infrastructure #capex-cycle

Welcome Llama 4 Maverick & Scout on Hugging Face

Article2025년 5월 22일·👁️ 1

Welcome Llama 4 Maverick & Scout on Hugging Face

Meta의 네이티브 멀티모달 MoE 모델 Llama 4 Maverick과 Scout가 출시 당일부터 Hugging Face Hub, Transformers, TGI, 양자화 및 Xet 저장소를 통해 제공되며, 최대 1천만 토큰 문맥과 강력한 추론·이미지·코딩 성능을 지원한다.

#ai-architecture #multimodal #agent-deployment #agent-routing

LeRobot Community Datasets: The “ImageNet” of Robotics — When and How?

Article2025년 5월 11일·👁️ 3

LeRobot Community Datasets: The “ImageNet” of Robotics — When and How?

로봇의 범용화는 모델 구조만의 문제가 아니라 다양한 환경·과제·기체에서 수집된 고품질 데이터를 함께 학습하는 문제이며, LeRobot 공동체는 개방형 로봇 데이터 생태계를 통해 로봇공학의 ‘이미지넷’을 만들어 가고 있다.

#ai-architecture #multimodal #lerobot #llm

AMIE gains vision: A research AI agent for multimodal diagnostic dialogue

Article2025년 5월 1일·👁️ 4

AMIE gains vision: A research AI agent for multimodal diagnostic dialogue

구글 리서치와 딥마인드는 시각 자료를 요청·해석·추론할 수 있는 다중모달 진단 대화 AI 에이전트 AMIE를 공개하고, 시뮬레이션 진료 평가에서 1차 진료의와 비교한 연구 결과를 제시했다.

#google-deepmind #google-research #primary-care-physicians #multimodal

Falcon-Edge: A series of powerful, universal, fine-tunable 1.58bit language models.

Article2025년 5월 1일·👁️ 2

Falcon-Edge: A series of powerful, universal, fine-tunable 1.58bit language models.

Falcon Edge는 하나의 사전학습 과정에서 범용 bfloat16 모델, 삼진 가중치 기반 BitNet 모델, 미세조정용 사전 양자화 모델을 함께 제공하는 1.58비트 언어 모델 시리즈다.

#ai-architecture #multimodal #llm #vision-language-models

Welcoming Llama Guard 4 on Hugging Face Hub

Article2025년 4월 29일·👁️ 1

Welcoming Llama Guard 4 on Hugging Face Hub

메타가 공개한 라마 가드 4는 텍스트와 이미지를 함께 검사해 유해한 입력과 출력을 분류하는 120억 매개변수의 다국어 안전 모델이며, 프롬프트 주입과 탈옥을 탐지하는 라마 프롬프트 가드 2도 함께 제공된다.

#privacy-design #ai-architecture #multimodal #agent-memory

Introducing our latest image generation model in the API

Article2025년 4월 23일·👁️ 2

Introducing our latest image generation model in the API

OpenAI는 ChatGPT에서 인기를 얻은 이미지 생성 모델을 gpt image 1 API로 제공해, 개발자와 기업이 고품질 이미지 생성·편집 기능을 제품에 직접 통합할 수 있게 했다고 발표했다.

#multimodal #ai-safety #llm #semiconductors

SmolVLA: Efficient Vision-Language-Action Model trained on Lerobot Community Data

Article2025년 4월 21일·👁️ 4

SmolVLA: Efficient Vision-Language-Action Model trained on Lerobot Community Data

SmolVLA는 공개 커뮤니티 로봇 데이터로 학습한 4.5억 파라미터 규모의 오픈소스 Vision Language Action 모델로, 저렴한 하드웨어와 소비자급 장비에서도 학습·추론할 수 있도록 설계됐다.

#lerobot #smolvla #smolvlm2 #hugging-face

The Future of the Global Open-Source AI Ecosystem: From DeepSeek to AI+

Article2025년 4월 18일·👁️ 3

The Future of the Global Open-Source AI Ecosystem: From DeepSeek to AI+

딥시크 R1 이후 중국의 인공지능 생태계는 오픈소스를 개별 모델 공개가 아닌 연구·인프라·산업 적용을 연결하는 기본 설계 원칙으로 받아들이며 대규모 배포와 통합 중심의 자생적 구조로 전환했다.

#multimodal #agent-deployment #agent-routing #llm